The Canadian Open Neuroscience Platform – An Open Science Framework for the Neuroscience Community
Notice bibliographique
Résumé
Large-scale data-centric challenges faced by neuroscientists, such as improving reproducibility and data reuse, could be overcome by adopting open science practises. The Canadian Open Neuroscience Platform (CONP) takes a multi-faceted approach to enabling open neuroscience, aiming to make research, data, and tools accessible to everyone, with the ultimate objective of accelerating discovery. Central to the tailor-made CONP infrastructure is its Portal, where datasets and analysis tools can be shared in accordance with FAIR principles. Another key piece of CONP infrastructure is NeuroLibre, a preprint server for interactive, fully reproducible scientific notebooks that embed text, figures, and code. To encourage responsible sharing, the CONP has constructed governance frameworks and toolkits that strike a balance between safeguarding the rights of data subjects and promoting widespread public benefit from scientific advancement. The CONP is also focussed on supporting the next generation of neuroscientists through its scholar and training program. The collective experience of our engaged community and leaders has generated a platform that supports multiple facets of open neuroscience, a unique approach within the neuroscience landscape. Together, the various elements of the platform serve the CONP’s vision for promoting open neuroscience and yielding the associated benefits for individual researchers and the wider community.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,039 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,010 |
| Études des sciences et des technologies | 0,012 | 0,013 |
| Communication savante | 0,022 | 0,015 |
| Science ouverte | 0,010 | 0,024 |
| Intégrité de la recherche | 0,008 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,023 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».